正则将段落分割成句子

已于 2024-05-06 18:15:23 修改
阅读量242 收藏 1
点赞数 3
分类专栏： python 文章标签： python 正则表达式
于 2024-05-06 17:36:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WBST5/article/details/138502239
版权
文章介绍了三个Python函数，用于处理文本：split_sentences_keep_delimiter用于保留标点的句子分割，split_text_with_punctuation用于去除标点并分割文本，以及split_text_with_punctuation更细致地将标点与文本分开。这些函数在内容社区和IT技术处理文本数据时非常实用。
摘要由CSDN通过智能技术生成

这里分割段落不区分中英文标点，你可以根据需求改

分割后标点跟随句子后面

def split_sentences_keep_delimiter(text):
    pattern = r'[^。!！?？:：;；,，]+[。!！?？:：;；，,]'
    sentences = re.findall(pattern, text)
    last_sentence = re.sub(r'[。!！?？:：;；;，,]', '', text)
    if last_sentence and not re.search(pattern, last_sentence):
        sentences.append(last_sentence.strip())
    return sentences[:len(sentences)-1]

在这里插入图片描述

分割后去掉标点只保留文本

import re

def split_text_with_punctuation(text):
    split_sentences = re.split(r'[。.！!？?：:；;，,]', text)
    return split_sentences

text = "你好，世界！这是个测试。看看是否有效？当然，它会的。"
print(split_text_with_punctuation(text))

在这里插入图片描述

分割后标点和文本分开

import re

def split_text_with_punctuation(text):
    split_sentences = re.split(r'([。.！!？?：:；;，,])', text)
    return split_sentences

text = "你好，世界！这是个测试。看看是否有效？当然，它会的。"
print(split_text_with_punctuation(text))

在这里插入图片描述

随时学丫
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
正则表达式按中文句号、逗号、感叹号对文本数据进行切分
weixin_44015128的博客
05-13 1658
正则表达式按中文句号、逗号、感叹号对文本数据进行切分 利用正则表达式中的 re.split 进行切分 代码如下： 导入数据 将数据按中文句号、逗号、问号、感叹号进行切分 对包含服务的关键词进行匹配，并将结果按行输出为txt文件。 import re import pandas as pd data=pd.read_excel(r'./jingqu/data/jingqu.xlsx') #导入评论数据 a=data['评论内容'] a=list(a) def createtxt(): #定义函数，将
文本拆分插件
11-15
用于拆分文本，我做这个插件用途是拆分文本模仿电子书翻页效果，所以每页显示多少字符必须的得到控制不能有滚动
使用正则表达式切分英文句子，将标点和句子分开
xiaoxiaojie521的博客
05-20 1042
[x.strip() for x in re.split(r'(\w+)?', sent) if x and x !=' '] 可将如下句子： Mary moved to the bedroom. 切分结果： [‘Mary’, ‘moved’, ‘to’, ‘the’, ‘bedroom’, ‘.’]
正则表达式分割小片段
Deep Learning and NLP Farm
01-17 940
public static void regexTest(){ String text = "what/B is/I going/E on/E ,/N (/N han/B mei/I mei/E )/N ./N"; Pattern pattern = Pattern.compile("\\s{2,}|\\t{1,}"); Matcher matcher = patte
正则表达式切分文本规则
StriveHeisenberg的博客
05-03 2877
我在学习《机器学习实战》第四章：朴素贝叶斯算法时发现，书中在准备数据阶段的切分文本操作上有点问题，可能书中使用的是python2.x而我使用的是python3.x的原因吧，正则表达式的规则有些许不同。下面就切分文本的操作作一定的总结。 对于一个文本字符串，python中（python2.x & python3.x）都包含了最基础的split（）方法，split（）方法主要的作用是：按照空白...
正则表达式（四）--文本换行分割
weixin_30608131的博客
10-26 1036
先说一个案例： 对一个字符串“tom12jie1bill2lili21som12joy12212121hehe”进行分割，规则：以1或2为分隔符进行分割，如果有12，或21则把12或21看成一个分隔符进行分割，期望输出：（为了方便查看，加了行号） 1.tom 2.jie 3.bill 4.lili 5.som 6.joy 7. 8. 9. 10.hehe 最先看到首...
paragraph_cutter:将扫描的文档切成段落
03-17
"paragraph_cutter"项目就是为了解决这样的问题，它能够将扫描的文档图像转换成可编辑的文本，并按照段落进行分割。这个工具的使用基于Python编程语言，这使得它在数据处理和文本分析领域具有广泛的应用可能性。 ...
易语言正则表达式解析歌词
07-22
在解析歌词时，正则表达式可以有效地识别并提取出歌词中的关键信息，如歌手、歌曲名、歌词段落等。在易语言中，我们可以借助内置的“字符串”类型和相关的字符串函数来实现正则表达式的操作。 首先，你需要理解正则...
java正则表达式使用示例
09-04
`split()`方法会根据这个模式将字符串分割成多个子字符串，并返回一个数组。在例子中，`splitStr`变量就是拆分后的结果。 2. 判断字符串是否与指定模式匹配： 要检查一个字符串是否符合特定的正则表达式模式，我们...
正则表达式匹配括号外的符号及数据
10-16
.sdflasdf`中，使用该正则表达式可以将`"sdfsdfsdlfksdsdf"`、`"fsdf&sdf"`、`"sdfsdsdf"`、`"sdfl"`和`"asdf"`等段落分离出来。 另外，文档还提到了匹配圆括号内数据的正则表达式`{[^}]+}`，其中： - `{`和`}`：...
Python实现将一个大文件按段落分隔为多个小文件的简单操作方法
09-21
本篇将详细介绍如何使用Python将一个大文件按段落分割成多个小文件，这是一个非常实用的技巧，尤其适用于需要批量处理大量文本数据的情况。 首先，我们需要了解问题的核心：大文件以连续两个换行符`\n\n`作为段落的...
正则表达式拆分字符串(Regular expression split string)
weixin_42610770的博客
01-31 651
我正在寻找使用正则表达式拆分字符串（并获取所有匹配项）。它应该返回每个之间的一切。哪个匹配0到5，但它将错过匹配6，因为它没有。最后。我尝试使用lookahead，但我无法使用它。有小费吗？原文：https://stackoverflow.com/questions/42269148更新时间：2022-03-09 10:03。
正则应用之切分数字及文本
夜_清澄的博客
11-07 644
正则应用之切分数字及文本
c++ 正则表达式处理语言文本，根据标点符号分割句子
最新发布
dinghuiyang的博客
03-15 488
支持对中 日 英的文本处理，根据标点符号将文本分割为句子，结果为每行为一个完整句子。
正则表达式的小应用(按空白分割文本但是保留"\n")
qq_35052417的博客
07-31 672
正则表达式从一段文字中提取想要的东西: 比如说从一篇英语阅读中提取除了空格以外的东西包括单词换行符标点下滑线： Small Schools Rising 　　This year's list of the top 100 high schools shows that today, those with fewer students are flourishing. 　　Fifty yea
java正则表达式分割字符串_Java开发笔记（三十七）利用正则串分割字符串
weixin_42299018的博客
02-16 5083
前面介绍了处理字符串的常用方法，还有一种分割字符串的场景也很常见，也就是按照某个规则将字符串切割为若干子串。分割规则通常是指定某个分隔符，根据字符串内部的分隔符将字符串进行分割，例如逗号、空格等等都可以作为字符串的分隔符。正好String类型提供了split方法用于切割字符串，只要字符串变量调用split方法，并把分隔符作为输入参数，该方法即可返回分割好的字符串数组。下面的split调用代码例子演...
delphi 去掉字符串中所有的标点符号_[话俾你知]Python使用正则处理字符串技巧（分割、替换）...
weixin_39975900的博客
11-27 293
当你遇见了一个问题需要使用正则来处理，这个时候你就有了两个问题。 我主业是做图像处理，自然语言处理接触不多，正则表达式的研究并不深入，本文只讲述一些小技巧，如果你对正则表达式比较感兴趣，可以去看看有本书好像叫《Python 核心编程》。本文涉及的内容有两方面：你想要根据不止一个字符来分隔字符串；你想要把字符串中几种不同字符过滤掉或者替换成某种特定字符(串)。本文给出...
Java正则表达式匹配一句英文句子（大写字母开头，结尾有句号）
大脸猫的博客
10-10 4081
正则表达式： [A-Za-z]+[A-Za-z0-9_,"#;.() \s]*[.]$ 或 ^([A-Z]){1}[^.]*. 测试代码： import java.util.regex.Matcher; import java.util.regex.Pattern; public class Contain_Test { public static void main(St...
使用正则表达式提取字符串中的完整句子（包括文字、空格、标点）
热门推荐
英尺君的bug制造机
11-12 1万+
关于正则表达式，网上有非常多的介绍和使用说明。但本文主要通过一个实际案例来说明如何使用正则表达式。 使用语言：C# 案例背景：博主想通过看美剧来学习英语，但网上的字幕几乎都是中英双语字幕，所以采用正则表达式将字幕中无用的部分去掉，只保留英语原句。 string str = @"Dialogue: 0,0:01:47.29,0:01:49.17,*Default,NTP,0,0,0,,你真是...
抽取txt格式文件中包含关键词的句子段落，并将这些段落保存到txt格式文件中，python代码
08-15
### 回答1： 在 Python 中，您可以使用如下代码来抽取 txt 格式文件中包含关键词的句子段落，并将这些段落保存到另一个 txt 格式文件中。 首先，您需要打开输入文件和输出文件，并读取输入文件的内容： ``` # 打开输入文件 with open('input.txt', 'r') as input_file: # 读取输入文件的内容 input_content = input_file.read() # 打开输出文件 with open('output.txt', 'w') as output_file: # 待会儿会用到输出文件 pass ``` 然后，您可以使用正则表达式来查找包含关键词的句子段落： ``` import re # 定义关键词 keyword = '关键词' # 使用正则表达式查找包含关键词的句子段落 matches = re.findall(r'[^。]+%s[^。]+。' % keyword, input_content) # 打印找到的句子段落 for match in matches: print(match) ``` 最后，您可以将找到的句子段落写入输出文件中： ``` # 写入输出文件 with open('output.txt', 'w') as output_file: for match in matches: output_file.write(match) output_file.write('\n') # 注意换行 ``` 完整代码如下： ``` import re # 打开输入文件 with open('input.txt', 'r') as input_file: # 读取输入文件的内容 input_content = input_file.read() # 定义关键词 keyword = '关键词' ### 回答2： 你好，以下是一个可以用于抽取txt格式文件中包含关键词的句子段落，并将这些段落保存到txt格式文件中的Python代码： ```python import re def extract_sentences_with_keywords(input_file, output_file, keywords): with open(input_file, 'r') as file: content = file.read() sentences = re.split(r'[.!?。！？]', content) filtered_sentences = [sentence.strip() for sentence in sentences if any(keyword in sentence for keyword in keywords)] with open(output_file, 'w') as file: for sentence in filtered_sentences: file.write(sentence + '\n') # 测试代码 input_file = 'input.txt' # 输入文件名 output_file = 'output.txt' # 输出文件名 keywords = ['关键词1', '关键词2', '关键词3'] # 关键词列表 extract_sentences_with_keywords(input_file, output_file, keywords) ``` 在代码中，我们首先打开输入文件并读取其内容。使用正则表达式将内容分割成句子，并存储在一个句子列表中。然后，我们筛选出包含任何关键词的句子，并去除每个句子两端的空格。最后，我们打开输出文件并将过滤后的句子逐行写入文件中。 你需要将代码中的`input.txt`替换为包含待处理文本的实际输入文件名，将`output.txt`替换为保存结果的输出文件名，并替换`['关键词1', '关键词2', '关键词3']`为你希望提取的关键词列表。 注意：该代码使用Python的正则表达式和文件处理功能来实现上述功能。 ### 回答3： 下面是一个示例Python代码，用于从包含关键词的txt文件中提取句子段落并将其保存到txt文件中： ```python import re def extract_sentences_with_keyword(keyword, input_file, output_file): # 读取输入文件 with open(input_file, 'r', encoding='utf-8') as file: text = file.read() # 按句子分割文本 sentences = re.split('[。！？]', text) # 提取包含关键词的句子段落 output_text = "" for sentence in sentences: if keyword in sentence: output_text += sentence.strip() + "。" # 添加句号 # 保存输出文本到文件 with open(output_file, 'w', encoding='utf-8') as file: file.write(output_text) # 示例用法 keyword = "关键词" input_file = "input.txt" output_file = "output.txt" extract_sentences_with_keyword(keyword, input_file, output_file) ``` 你可以将上述代码保存为一个Python文件，并将`keyword`、`input_file`和`output_file`变量修改为你自己的值。输入文件`input.txt`应包含需要检索的文本。提取出的段落将保存在输出文件`output.txt`中。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值